Notre glossaire, méticuleusement élaboré, est votre boussole dans l’univers complexe et dynamique du marketing, de la communication et du digital. Ici, chaque terme est une clé que nous vous aidons à décrypter pour vous ouvrir a des concepts innovants et des stratégies éprouvées. Plongez dans nos thématiques pour éclairer votre chemin vers l’excellence et la créativité.
Le workslop, contraction des mots anglais « work » (travail) et « slop » (pâtée, déchet), désigne un livrable professionnel produit avec une IA générative, d’apparence soignée mais sans la substance nécessaire, transmis sans vérification humaine suffisante.
Ce néologisme péjoratif s’est diffusé à partir de septembre 2025, après la publication, dans une revue de management américaine, d’une enquête menée avec un laboratoire de l’université Stanford. Ses auteurs le définissent comme un contenu qui paraît abouti mais manque de fond, et qui reporte le travail intellectuel sur les collègues. Il prend la forme d’un courriel, d’un rapport, d’une présentation, d’une synthèse ou de code.
Ses signes sont des informations génériques, un manque de contexte, l’absence de position ou de recommandation, parfois des erreurs factuelles, sous une forme correcte et structurée. Contrairement à un simple brouillon, le workslop est transmis tel quel à des collègues ou à des clients. Il crée une illusion de travail achevé et transfère la charge de vérification et de correction sur le destinataire.
Il se distingue de l’IA Slop, qui désigne les contenus générés en masse et diffusés vers le public, souvent pour capter de l’audience à bas coût. Le workslop, lui, circule dans le travail lui-même, entre collègues ou vers un client. Il se distingue aussi de l’hallucination, erreur factuelle produite par un modèle : un workslop peut ne contenir aucune erreur et rester inutilisable, faute d’analyse. Le terme s’emploie dans les organisations qui ont généralisé les outils d’IA générative. Il relève de la qualité du travail collectif et de l’encadrement des usages de l’IA.
Le phénomène met en lumière une confusion entre vitesse de production et création de valeur. L’émetteur gagne quelques minutes ; le destinataire doit comprendre, vérifier, compléter et souvent refaire. Le temps n’est pas économisé, il est déplacé, et rarement mesuré.
L’enquête en ligne de BetterUp Labs et du Stanford Social Media Lab, présentée dans la Harvard Business Review en septembre 2025, en donne un ordre de grandeur. Environ quatre salariés de bureau américains interrogés sur dix déclarent avoir reçu du workslop au cours du mois précédent. Les répondants estiment à près de deux heures, en moyenne, le temps nécessaire pour traiter chaque cas. Selon la même enquête, 42 % des destinataires jugent ensuite l’émetteur moins digne de confiance. Ce sont des données déclaratives, recueillies aux États-Unis : elles signalent un problème, sans en fixer l’ampleur dans une organisation donnée.
Le coût le plus durable est donc relationnel. Un collaborateur, une agence ou un consultant qui transmet du workslop perd sa crédibilité plus vite qu’il n’a gagné de temps.
Nous jugeons une interdiction générale peu efficace : elle pousse les usages vers des outils non déclarés, ce que désigne le Shadow IA. Les auteurs de l’article recommandent de fixer des normes claires d’usage de l’IA, de revoir les injonctions générales à l’utiliser et d’encourager une posture de « pilote », qui associe capacité d’initiative et optimisme. Nous recommandons quatre règles, à intégrer dans la gouvernance marketing existante :
Le workslop ne se mesure pas avec un détecteur de texte généré, mais du côté du destinataire. Trois indicateurs suffisent pour un premier état des lieux. Le premier est la part des livrables reçus renvoyés pour reprise ; le deuxième, le temps de reprise estimé par le destinataire. Le troisième est la réponse à une question d’enquête interne, posée chaque trimestre. Par exemple : « Ce mois-ci, avez-vous reçu un document qui paraissait abouti mais qu’il a fallu refaire ? » Nous recommandons de suivre ces indicateurs par type de livrable plutôt que par personne, pour corriger les pratiques sans chercher de coupable.
Advalians intègre l’IA aux pratiques de vos équipes marketing par étapes mesurables, en co-construction avec elles et avec un transfert de compétences.
Le workslop est un livrable de travail, destiné à un collègue, un manager ou un client, qui a l’air abouti mais ne permet pas d’avancer. L’IA Slop désigne des contenus produits en masse pour le public, souvent pour capter de l’audience. Une hallucination est une erreur factuelle produite par un modèle.
Critère pratique : demandez-vous qui paie la mauvaise qualité. Pour l’IA Slop, c’est le public. Pour le workslop, c’est le destinataire interne, qui refait le travail. Un workslop peut ne contenir aucune hallucination.
Posez un principe simple : celui qui transmet un livrable en répond, quel que soit l’outil employé. Puis déclinez-le en règles concrètes.
Mesurez-le du côté du destinataire, pas avec un détecteur de texte généré. Le bon test est fonctionnel : le destinataire peut-il agir sans refaire le travail ? Les tournures répétitives ou trop lisses ne sont qu’un indice faible.
Suivez trois indicateurs par type de livrable : la part des documents renvoyés pour reprise, le temps de reprise estimé et la réponse à une question d’enquête trimestrielle. Par exemple : « Avez-vous reçu ce mois-ci un document abouti en apparence qu’il a fallu refaire ? » Fixez un état initial, puis comparez.
Le premier risque est une décision prise sur un document faux ou incomplet, validé parce qu’il paraissait sérieux. Le deuxième est la perte de confiance entre collègues ou avec un client, plus durable que le temps perdu.
S’y ajoutent des risques juridiques lorsque le contenu a été produit sans précaution : diffusion d’informations inexactes, reprise de contenus protégés, ou saisie de données confidentielles dans un outil public, qui relève du Shadow IA. Nous recommandons une relecture obligatoire pour tout livrable destiné à l’extérieur.
Non, il faut limiter la transmission de contenus non travaillés. Un modèle de langage produit par construction une suite de mots probable : sans contexte ni exigence, il tend vers une réponse moyenne. Le problème n’est pas l’outil, mais l’absence d’apport humain.
Utilisez l’IA lorsque vous fournissez le contexte et vérifiez le résultat. Renoncez-y pour les livrables dont la valeur tient à votre jugement propre, comme une recommandation, un arbitrage ou un retour sur le travail d’un collaborateur, si vous n’avez pas le temps de les reprendre.
Par Thomas Bizot – Président du cabinet Advalians
